מודלים

Qwen: Qwen3 30B A3B Instruct 2507

Markdown · JSON

Qwen: Qwen3 30B A3B Instruct 2507

Qwen3-30B-A3B-Instruct-2507 היא מהדורת הטקסט הקבועה של Qwen מיולי 2507 ללא חשיבה, עם 30.5 מיליארד פרמטרים בסך הכול ו־3.3 מיליארד מופעלים. היא משפרת מילוי הוראות, תכנות, ידע רב־לשוני וכתיבה פתוחה, עם הקשר מקורי של 262,144 טוקנים.

על המודל

התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.

עיקרי הדברים: עדכון Instruct-2507 הקבוע

Qwen3-30B-A3B-Instruct-2507 היא המהדורה המעודכנת ללא חשיבה של Qwen3-30B-A3B. היצרן מדגיש שיפורים במילוי הוראות, בהסקה לוגית, בהבנת טקסט, במתמטיקה, במדעים, בתכנות ובשימוש בכלים, עם ידע רחב יותר בנושאים פחות נפוצים במגוון שפות והתאמה טובה יותר למשימות פתוחות. היא מקבלת טקסט ויוצרת טקסט: תשובה, הסבר, הצעת קוד או תוצר כתיבה מבוקש.

שמרו על ההבחנה בין זהות 2507 הקבועה לבין Qwen3-30B-A3B ההיברידי המקורי, גרסת FP8 שלו ומהדורת Thinking-2507. תיאור הידע הרב־לשוני של המודל אינו נותן הבטחה נפרדת למספר השפות בגרסה מוגדרת זו. ציינו את שפת היעד, את הקהל ואת המונחים שצריכים להישאר ללא שינוי כאשר המשימה כוללת תרגום או ניסוח מחדש.

סקירת המודל

מודל תערובת המומחים כולל 30.5 מיליארד פרמטרים בסך הכול ומפעיל 3.3 מיליארד. יש לו 48 שכבות, 128 מומחים ושמונה מומחים הנבחרים לכל טוקן. ההקשר המקורי שלו הוא 262,144 טוקנים. הפרמטרים המופעלים אינם גודלו של הצ'קפוינט המלא, והארכיטקטורה לבדה אינה קובעת זמן תגובה קבוע ביישום.

מהדורה זו תומכת רק במצב ללא חשיבה ואינה יוצרת בלוקי חשיבה מפורשים. ההגדרה enable_thinking=False אינה נדרשת במתכון השימוש של היצרן. היא עדיין יכולה להראות חישובים או להסביר קוד בטקסט רגיל; בקשה לצעדים תומכים אינה הופכת אותה לצ'קפוינט Thinking הנפרד.

הכנת בקשת טקסט שימושית

למשימת תכנות, ספקו את הפונקציה או המודול הרלוונטיים, את אילוצי הקלט, את ההתנהגות שנצפתה ואת התוצאה הנדרשת. בקשו תיקון מוצע או פונקציה מלאה, עם הסבר על ההנחות המושפעות. לשאלה מתמטית או מדעית, תנו את הנוסח המלא, את היחידות ואת ההגדרות, ואז בקשו תשובה סופית בעלת גבולות ברורים הנתמכת בתנאים שסופקו.

למשימת כתיבה פתוחה, הגדירו את הקהל, המטרה, הטון והמידע שחייב להופיע. תשובה שימושית יכולה להיות טיוטה ניתנת לעריכה המאורגנת לפי הסעיפים המבוקשים, עם ציון נפרד של הנחות שאינן נתמכות. השוו את הטיוטה, החישובים או הקוד המוצע שהוחזרו לעובדות, להגדרות ולדרישות שסופקו.

שימוש כסוכן

Qwen מתעד קריאה לכלים וממליץ על Qwen-Agent לתבניות ולניתוח, עם כלים שהוגדרו או חוברו באמצעות MCP. ציינו את הפעולות המותרות ואת תנאי ההשלמה שניתן לצפות בהם. כלים מחוברים מבצעים פעולות חיצוניות ומחזירים תצפיות; המודל יכול להשתמש במשוב הזה בתשובה מאוחרת יותר. פקודה מוצעת או טענה על מקור שאוחזר צריכות להישאר נפרדות מתוצאה שתהליך העבודה החזיר בפועל.

תוצר סופי ברור יכול להיות הצעת קוד, טבלת ראיות או דוח תמציתי. תמיכה בכלים אינה יוצרת כשלעצמה גישה למקורות עדכניים, לקבצים או לסביבת ביצוע דרך כל ממשק. שמרו על מאפייני התשובה ללא חשיבה של המודל המדויק, במקום לייבא מתגי הנחיה של מודל היברידי או הקצאות פלט של מהדורת Thinking.

עיבוד טקסט ארוך במיוחד

היצרן מתעד תהליך עבודה אופציונלי המגיע לכמיליון טוקנים באמצעות Dual Chunk Attention וקשב דליל של MInference. הראשון מחלק רצף ארוך למקטעים שניתן לעבד, תוך שמירה על אינטראקציות בין המקטעים; השני ממקד את החישוב ביחסי קשב נבחרים. זהו מסלול תצורה נוסף מעבר להקשר המקורי של 262,144, המשתמש בתצורה מיוחדת להקשר ארוך.

מתכון השימוש מעריך צורך בכ־240 GB של זיכרון GPU כולל למשקלי המודל, למצב הרצף השמור במטמון ולאקטיבציות בשיאן. הוא מתאר גם כשלים נפרדים בקיבולת שנובעים ממטמון הרצף, מזיכרון האקטיבציות או מקלט שחורג מהאורך שהוגדר. לכן תהליך העבודה של מיליון טוקנים תלוי בתצורה ובמשאבים; אין להתייחס לכותרת הזו כברירת מחדל בלתי מותנית.

הכינו קלט ארוך עם גבולות מסמכים, שמות סעיפים או מזהי קוד ושאלה מוגדרת. שמרו מקום לתשובה ובקשו את הראיות התומכות בכל מסקנה.

המלצות ליצירה

ההמלצות לשימוש מיטבי הן temperature של 0.7, top_p של 0.8, top_k של 20 ו־min_p של 0. כאשר יש תמיכה בכך, presence penalty בין אפס לשתיים יכול להפחית טקסט חוזר, בעוד שערכים גבוהים יותר עלולים לערבב שפות או להוריד מעט את האיכות. היצרן ממליץ על הקצאת פלט של 16,384 טוקנים לרוב השאילתות, במקום התקציבים הארוכים יותר המתועדים עבור Thinking-2507. זו המלצה, ולא תקרת פלט קשיחה שנקבעה בנפרד.

ציינו במפורש את הפורמט הסופי, כגון סימון תוחם מתמטי או שדה תשובה. הקלט המתועד של המודל הוא טקסט, ולכן ראיות חזותיות או קוליות דורשות ייצוג נפרד מתאים לפני תהליך העבודה הזה. בדקו חישובים, ציטוטים וקוד שנוצר מול המקור. התוצאה השימושית היא תוצר טקסט מלא שניתן לבדוק, שבו זהות Instruct-2507 הקבועה, המצב ללא חשיבה והליך ההקשר הארוך המותנה נשארים ברורים.

משימה מעשית

משימה מעשית

דוגמה טכנית באנגלית

Draft a bounded project brief

Write a one-page-style brief in at most 170 words for a library's room-booking page. Facts: two rooms, maximum two-hour bookings, no recurring reservations, and a staff review for groups larger than eight. Use sections Goal, User steps, Rules and Open question. Include no payment features or assumed room capacities beyond the stated review threshold.

התוצאה הצפויה

An editable four-section project brief preserving the booking rules and one genuinely unanswered design question.

בדיקת התוצאה

The group-size threshold triggers staff review rather than being invented as an absolute room-capacity limit.
Ailoot Ultra · OpenAI Chat POST /v1/chat/completions qwen/qwen3-30b-a3b-instruct-2507

qwen/qwen3-30b-a3b-instruct-2507

Alibaba /qwen/qwen3-30b-a3b-instruct-2507

התחלה

Qwen3-30B-A3B-Instruct-2507 היא מהדורת הטקסט הקבועה של Qwen מיולי 2507 ללא חשיבה, עם 30.5 מיליארד פרמטרים בסך הכול ו־3.3 מיליארד מופעלים. היא משפרת מילוי הוראות, תכנות, ידע רב־לשוני וכתיבה פתוחה, עם הקשר מקורי של 262,144 טוקנים.

סוגי קלט נתמכים
טקסט
תוצאות
טקסט

זמין ב-Ailoot · קלט ושיטות

Ailoot Ultra · OpenAI Chat POST /v1/chat/completions
סוגי קלט
text
סוגי פלט
text
פורמט פלט
json או SSE
שדהסוגדרישהערכים ומגבלותברירת מחדל
שדהmodelסוגstringדרישהחובהערכים ומגבלות
qwen/qwen3-30b-a3b-instruct-2507
ברירת מחדל—
שדהmessagesסוגmessage[]דרישהחובהערכים ומגבלות
מספר פריטים מזערי: ⁦1⁩
ברירת מחדל—
שדהmessages[].roleסוגstringדרישהחובהערכים ומגבלות
דוגמאות: system, user, assistant, tool, function
תנאים: התפקידים האלה מיוצגים במפורש בטיפוסי התאימות בקוד המקור; מערך התפקידים המדויק נשאר ייחודי לכל מודל.
תלוי במודל
ברירת מחדל—
שדהmessages[].contentסוגstring|content_part[]|nullדרישהרשותערכים ומגבלותברירת מחדל—
שדהmessages[].tool_callsסוגtool_call[]דרישהרשותערכים ומגבלותברירת מחדל—
שדהmessages[].tool_call_idסוגstringדרישהרשותערכים ומגבלות
חל כאשר: role=tool; השתמשו במזהה שהוחזר בפועל
ברירת מחדל—
שדהmessages[].nameסוגstringדרישהרשותערכים ומגבלותברירת מחדל—
שדהmessages[].reasoning_contentסוגstringדרישהרשותערכים ומגבלות
חל כאשר: החזירו בהמשך את ההנמקה שהתקבלה בפועל כאשר המודל הזה משתמש בה
ברירת מחדל—
שדהmessages[].reasoning_detailsסוגobject|arrayדרישהרשותערכים ומגבלות
תלוי במודל
ברירת מחדל—
שדהmax_tokensסוגintegerדרישהרשותערכים ומגבלות
מינימום: ⁦1⁩
תלוי במודל
ברירת מחדל—
שדהmax_completion_tokensסוגintegerדרישהרשותערכים ומגבלות
מינימום: ⁦1⁩
תלוי במודל
ברירת מחדל—
שדהstreamסוגbooleanדרישהרשותערכים ומגבלותברירת מחדלfalse
שדהstream_options.include_usageסוגbooleanדרישהרשותערכים ומגבלות
תלוי במודל
ברירת מחדל—
שדהtemperatureסוגnumberדרישהרשותערכים ומגבלות
תלוי במודל
ברירת מחדל—
שדהtop_pסוגnumberדרישהרשותערכים ומגבלות
תלוי במודל
ברירת מחדל—
שדהstopסוגstring|string[]דרישהרשותערכים ומגבלות
תלוי במודל
ברירת מחדל—
שדהtoolsסוגfunction_tool[]דרישהרשותערכים ומגבלות
תלוי במודל
ברירת מחדל—
שדהtools[].typeסוגstringדרישהרשותערכים ומגבלות
function
תלוי במודל
ברירת מחדל—
שדהtools[].function.nameסוגstringדרישהחובהערכים ומגבלות
חל כאשר: סופק כלי פונקציה
ברירת מחדל—
שדהtools[].function.descriptionסוגstringדרישהרשותערכים ומגבלותברירת מחדל—
שדהtools[].function.parametersסוגJSON_schemaדרישהרשותערכים ומגבלותברירת מחדל—
שדהtool_choiceסוגstring|objectדרישהרשותערכים ומגבלות
תלוי במודל
ברירת מחדל—
שדהparallel_tool_callsסוגbooleanדרישהרשותערכים ומגבלות
תלוי במודל
ברירת מחדל—
שדהresponse_formatסוגobjectדרישהרשותערכים ומגבלות
תלוי במודל
ברירת מחדל—
שדהreasoning_effortסוגstringדרישהרשותערכים ומגבלות
תלוי במודל
ברירת מחדל—
שדהreasoningסוגobjectדרישהרשותערכים ומגבלות
תלוי במודל
ברירת מחדל—
שדהservice_tierסוגstringדרישהרשותערכים ומגבלות
תלוי במודל
ברירת מחדל—
שדהinstructionsסוגstringדרישהרשותערכים ומגבלות
שדה תאימות
ברירת מחדל—
שדהfunctionsסוגfunction[]דרישהרשותערכים ומגבלות
תלוי במודל
ברירת מחדל—
שדהfunction_callסוגstring|objectדרישהרשותערכים ומגבלות
תלוי במודל
ברירת מחדל—
שדהprompt_cache_optionsסוגobjectדרישהרשותערכים ומגבלות
תלוי במודל
ברירת מחדל—
שדהmodalitiesסוגstring[]דרישהרשותערכים ומגבלות
text
ברירת מחדל—
שדהproviderסוגobjectדרישהרשותערכים ומגבלות
תנאים: provider.options נדחה במסלול הטקסט הזה של Ultra
ברירת מחדל—
שדהcache_control.ttlסוגstringדרישהרשותערכים ומגבלות
תנאים: 1h נדחה במיקומים המשמשים בפועל למטמון הנחיות
ברירת מחדל—
שילובים של חומרי קלט

טקסט · טקסט UTF8

messages[].content

פרמטרים ומחזור חיים של השיטה
פרמטרמפרט
פרמטרcontent_typeמפרטapplication/json
פרמטרrequiredמפרטmodel, messages
פרמטרmaterial_typesמפרטtext
פרמטרmessagesמפרטמערך הודעות במבנה role/content
פרמטרfile_materialמפרטמסמך UTF-8 בפועל מוכנס כטקסט מילולי; לא מוסק מזהה קובץ
פרמטרoptional_controlsמפרטstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice
פרמטרcontrol_scopeמפרטייחודי למודל; כלי פונקציות של המשתמש שונים מכלים מתארחים
פרמטרoutput_modalitiesמפרטtext
פרמטרhosted_operationsמפרטfalse
פרמטרmultimodal_input_bindingמפרטnull

מחזור חיים: synchronous_or_streamed

שלחו את מזהה המודל המדויק עם messages.

אורך ההקשר אינו תקרת פלט.

קובץ טקסט יכול לספק טקסט מילולי; קלטי תמונה/אודיו/אובייקט קובץ דורשים קישור מדויק.

תעריפים

מידע תעריפים אינו מוסיף אפשרויות לבקשה. הפרמטרים הנתמכים מפורטים בשיטה שנבחרה.

מצב מהיר
תעריף רגיל כאשר נבחר מצב מהיר
מצב Flex
תעריף רגיל כאשר נבחר מצב flex
מאמץ חשיבה מרבי
תעריף רגיל כאשר מאמץ החשיבה המרבי משתמש בהתאמת ברירת המחדל (default)

תעריפי Ailoot

מחירים לפי תצורה

התאימו כל חיוב לתנאים המוצגים. השתמשו בתעריף אחד לכל קבוצה של תצורות חלופיות.

תצורהטבלת תעריפיםטוקנים בהקשר, יותר מ-טוקנים בהקשר, עד וכוללחיוב
תצורהתעריפי הבסיס לטוקניםטבלת תעריפיםתעריף בסיסטוקנים בהקשר, יותר מ-—טוקנים בהקשר, עד וכוללללא גבול עליוןחיוב
קלט · טוקני קלט $0.0002 / 1K טוקנים
פלט · טוקני פלט $0.0008 / 1K טוקנים
קלט · קריאה מהמטמון $0 / 1K טוקנים
קלט · כתיבה למטמון $0 / 1K טוקנים
קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים
תצורהרמת אורך בקשה 1טבלת תעריפים—טוקנים בהקשר, יותר מ-⁦0⁩טוקנים בהקשר, עד וכוללללא גבול עליוןחיוב
קלט · טוקני קלט $0.0002 / 1K טוקנים
פלט · טוקני פלט $0.0008 / 1K טוקנים
קלט · קריאה מהמטמון $0 / 1K טוקנים
קלט · כתיבה למטמון $0 / 1K טוקנים
קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים

לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →

דוגמאות לבקשות

Ailoot Ultra · OpenAI Chat

curlPython SDKהזרמה ב-Python
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "qwen/qwen3-30b-a3b-instruct-2507", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')

Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
r=json.loads(Path("result.json").read_text())
for x in r.get("choices",[]):
    if x.get("message",{}).get("content"): print(x["message"]["content"])
PY_RESULT
from openai import OpenAI
import os

if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")
client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)
result=client.chat.completions.create(model='qwen/qwen3-30b-a3b-instruct-2507',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])
import base64, json
from pathlib import Path

def save_result(data, stem="result"):
    # Keep every field, including usage, IDs, reasoning and tool requests.
    Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")
    print(json.dumps(data, ensure_ascii=False, indent=2))
    def save_blob(encoded, suffix, label):
        raw = base64.b64decode(encoded, altchars=b"-_", validate=True)
        ext = "png" if raw.startswith(b"\x89PNG\r\n\x1a\n") else "jpg" if raw.startswith(b"\xff\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix
        file = Path(stem + "-" + label + "." + ext)
        file.write_bytes(raw)
        print("Saved", file)
    for index, block in enumerate(data.get("content") or []):
        print("Content", index, json.dumps(block, ensure_ascii=False))
    for choice in data.get("choices") or []:
        print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))
    for index, item in enumerate(data.get("output") or []):
        print("Output", index, json.dumps(item, ensure_ascii=False))
        if item.get("type") == "image_generation_call" and item.get("result"):
            save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))
    for ci, candidate in enumerate(data.get("candidates") or []):
        for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):
            print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))
            blob = part.get("inlineData") or part.get("inline_data")
            if blob and blob.get("data"):
                mime = blob.get("mimeType") or blob.get("mime_type")
                suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")
                save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))

save_result(result.to_dict(mode="json"))
from openai import OpenAI
import os
from pathlib import Path

if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")
client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)
import base64, json
from pathlib import Path

def save_result(data, stem="result"):
    # Keep every field, including usage, IDs, reasoning and tool requests.
    Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")
    print(json.dumps(data, ensure_ascii=False, indent=2))
    def save_blob(encoded, suffix, label):
        raw = base64.b64decode(encoded, altchars=b"-_", validate=True)
        ext = "png" if raw.startswith(b"\x89PNG\r\n\x1a\n") else "jpg" if raw.startswith(b"\xff\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix
        file = Path(stem + "-" + label + "." + ext)
        file.write_bytes(raw)
        print("Saved", file)
    for index, block in enumerate(data.get("content") or []):
        print("Content", index, json.dumps(block, ensure_ascii=False))
    for choice in data.get("choices") or []:
        print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))
    for index, item in enumerate(data.get("output") or []):
        print("Output", index, json.dumps(item, ensure_ascii=False))
        if item.get("type") == "image_generation_call" and item.get("result"):
            save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))
    for ci, candidate in enumerate(data.get("candidates") or []):
        for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):
            print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))
            blob = part.get("inlineData") or part.get("inline_data")
            if blob and blob.get("data"):
                mime = blob.get("mimeType") or blob.get("mime_type")
                suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")
                save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))

with client.chat.completions.stream(model='qwen/qwen3-30b-a3b-instruct-2507',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:
    with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:
        for event in stream:
            payload=event.to_dict(mode="json")
            log.write(json.dumps(payload,ensure_ascii=False)+"\n"); log.flush()
            print(json.dumps(payload,ensure_ascii=False))
    final=stream.get_final_completion()
    save_result(final.to_dict(mode="json"),"stream-result")

קבלה ושמירה של תוצאות

Ailoot Ultra · OpenAI Chat

json או SSE

שמירת כל התוצאות שהושלמו

שמרו כל תגובה מלאה, קובץ ומקטע תוכן שהוחזרו.

שמרו כל בחירה ואת התוכן, קריאות הכלים וההנמקה שלה. ב-SSE הרכיבו עדכונים לפי אינדקס הבחירה/הכלי ושמרו את סיבת הסיום הסופית ואת השימוש.

כשצריך לבדוק את התגובה המקורית

שמרו מזהי בקשות/תגובות וכותרות. לא מסופק URL כללי לאחזור משימת טקסט.

שדות התגובה
שדהסוג
שדהchoices[].indexסוגinteger
שדהchoices[].message.contentסוגstring|null
שדהchoices[].message.tool_callsסוגtool_call[]
שדהchoices[].message.reasoning_contentסוגstring
שדהchoices[].message.reasoning_detailsסוגobject|array
שדהchoices[].finish_reasonסוגstring|null
שדהusageסוגobject
שגיאות והשלבים הבאים
תגובהתנאיהשלב הבא
תגובה⁦400⁩ · invalid_request_errorתנאישדות נדרשים, ייצוג חומר או ערך פרמטר שאינם תקיניםהשלב הבאתקנו את השדות שצוינו לפני בקשת יצירה חדשה.

כינויים

כינויים למודל

Ailoot Ultra qwen/qwen3-30b-a3b-instruct-2507

כינויים לנתיבי שיטות

השתמשו בנתיבי השיטות המוצגים למעלה.

מזהי מודלים קשורים IDs

qwen/qwen3-30b-a3b-instruct-2507

Ailoot Ultra · Anthropic Messages POST /v1/messages qwen/qwen3-30b-a3b-instruct-2507

qwen/qwen3-30b-a3b-instruct-2507

Alibaba /qwen/qwen3-30b-a3b-instruct-2507

התחלה

Qwen3-30B-A3B-Instruct-2507 היא מהדורת הטקסט הקבועה של Qwen מיולי 2507 ללא חשיבה, עם 30.5 מיליארד פרמטרים בסך הכול ו־3.3 מיליארד מופעלים. היא משפרת מילוי הוראות, תכנות, ידע רב־לשוני וכתיבה פתוחה, עם הקשר מקורי של 262,144 טוקנים.

סוגי קלט נתמכים
טקסט
תוצאות
json · sse

זמין ב-Ailoot · קלט ושיטות

Ailoot Ultra · Anthropic Messages POST /v1/messages
סוגי קלט
text
סוגי פלט
json, sse
פורמט פלט
JSON או SSE
שדהסוגדרישהערכים ומגבלותברירת מחדל
שדהmodelסוגstringדרישהחובהערכים ומגבלות
qwen/qwen3-30b-a3b-instruct-2507
ברירת מחדל—
שדהmessagesסוגmessage[]דרישהחובהערכים ומגבלותברירת מחדל—
שדהmessages[].roleסוגstringדרישהחובהערכים ומגבלות
user, assistant
ברירת מחדל—
שדהmessages[].contentסוגstringדרישהחובהערכים ומגבלותברירת מחדל—
שדהmax_tokensסוגintegerדרישהחובהערכים ומגבלותברירת מחדל—
שדהstreamסוגbooleanדרישהרשותערכים ומגבלותברירת מחדלfalse
שילובים של חומרי קלט

טקסט · טקסט UTF-8

מחרוזת messages[].content

פרמטרים ומחזור חיים של השיטה
פרמטרמפרט
פרמטרcontent_typeמפרטapplication/json
פרמטרrequiredמפרטmodel, messages, max_tokens
פרמטרoptional_controlsמפרטstream
פרמטרmaterial_typesמפרטtext
פרמטרtext_file_materialמפרטקראו את מסמך UTF-8 בפועל והכניסו את הטקסט שלו לקלט שצוין או למחרוזת תוכן ההודעה.

מחזור חיים: synchronous_or_streamed

תעריפים

מידע תעריפים אינו מוסיף אפשרויות לבקשה. הפרמטרים הנתמכים מפורטים בשיטה שנבחרה.

מצב מהיר
תעריף רגיל כאשר נבחר מצב מהיר
מצב Flex
תעריף רגיל כאשר נבחר מצב flex
מאמץ חשיבה מרבי
תעריף רגיל כאשר מאמץ החשיבה המרבי משתמש בהתאמת ברירת המחדל (default)

תעריפי Ailoot

מחירים לפי תצורה

התאימו כל חיוב לתנאים המוצגים. השתמשו בתעריף אחד לכל קבוצה של תצורות חלופיות.

תצורהטבלת תעריפיםטוקנים בהקשר, יותר מ-טוקנים בהקשר, עד וכוללחיוב
תצורהתעריפי הבסיס לטוקניםטבלת תעריפיםתעריף בסיסטוקנים בהקשר, יותר מ-—טוקנים בהקשר, עד וכוללללא גבול עליוןחיוב
קלט · טוקני קלט $0.0002 / 1K טוקנים
פלט · טוקני פלט $0.0008 / 1K טוקנים
קלט · קריאה מהמטמון $0 / 1K טוקנים
קלט · כתיבה למטמון $0 / 1K טוקנים
קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים
תצורהרמת אורך בקשה 1טבלת תעריפים—טוקנים בהקשר, יותר מ-⁦0⁩טוקנים בהקשר, עד וכוללללא גבול עליוןחיוב
קלט · טוקני קלט $0.0002 / 1K טוקנים
פלט · טוקני פלט $0.0008 / 1K טוקנים
קלט · קריאה מהמטמון $0 / 1K טוקנים
קלט · כתיבה למטמון $0 / 1K טוקנים
קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים

לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →

דוגמאות לבקשות

Ailoot Ultra · Anthropic Messages

גוף JSON מינימלי ושלםcurl · השתמשו במסמך UTF-8 שלכםPython · שמרו את התוצאה המלאה
{
  "model": "qwen/qwen3-30b-a3b-instruct-2507",
  "max_tokens": 128,
  "messages": [
    {
      "role": "user",
      "content": "Summarize the incident report."
    }
  ],
  "stream": false
}
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"
export AILOOT_TEXT_FILE
python3 - <<'PY_REQUEST'
import json, os
from pathlib import Path

source_file = Path(os.environ['AILOOT_TEXT_FILE'])
if not source_file.is_file():
    raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')
text = source_file.read_text(encoding='utf-8')
if not text.strip():
    raise SystemExit('Choose a document containing text')
payload = {'model': 'qwen/qwen3-30b-a3b-instruct-2507', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}
payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text
Path('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \
  -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path

result = json.loads(Path('result.json').read_text(encoding='utf-8'))
print(json.dumps(result, ensure_ascii=False, indent=2))
PY_RESULT
import json, os
from pathlib import Path

source_file = Path(os.environ['AILOOT_TEXT_FILE'])
if not source_file.is_file():
    raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')
text = source_file.read_text(encoding='utf-8')
if not text.strip():
    raise SystemExit('Choose a document containing text')
payload = {'model': 'qwen/qwen3-30b-a3b-instruct-2507', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}
payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text
from urllib.request import Request, urlopen
from urllib.error import HTTPError

api_key = os.environ['AILOOT_API_KEY']
if not api_key.strip():
    raise SystemExit('Set AILOOT_API_KEY before making a request')
headers = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}
headers['x-api-key'] = api_key
request = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')
try:
    with urlopen(request, timeout=120) as response:
        raw = response.read()
        Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')
except HTTPError as error:
    Path('result.json').write_bytes(error.read())
    Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')
    raise
Path('result.json').write_bytes(raw)
import json
from pathlib import Path

result = json.loads(Path('result.json').read_text(encoding='utf-8'))
print(json.dumps(result, ensure_ascii=False, indent=2))

קבלה ושמירה של תוצאות

Ailoot Ultra · Anthropic Messages

JSON או SSE

שמירת כל התוצאות שהושלמו

שמרו כל תגובה מלאה, קובץ ומקטע תוכן שהוחזרו.

שמרו את כל בלוקי התוכן, חתימות החשיבה ומזהי השימוש בכלים בפועל. הרכיבו את כל עדכוני הבלוקים של SSE; בלוק הטקסט הראשון אינו הפלט המלא.

כשצריך לבדוק את התגובה המקורית

שמרו מזהי בקשות/תגובות וכותרות. לא מסופק URL כללי לאחזור משימת טקסט.

שדות התגובה
שדהסוג
שדהidסוגstring
שדהmodelסוגstring
שדהcontent[]סוגtext|thinking|tool_use|other content block
שדהstop_reasonסוגstring|null
שדהusageסוגobject
שגיאות והשלבים הבאים
תגובהתנאיהשלב הבא
תגובה⁦400⁩ · invalid_request_errorתנאישדות נדרשים, ייצוג חומר או ערך פרמטר שאינם תקיניםהשלב הבאתקנו את השדות שצוינו לפני בקשת יצירה חדשה.

כינויים

כינויים למודל

Ailoot Ultra qwen/qwen3-30b-a3b-instruct-2507

כינויים לנתיבי שיטות

השתמשו בנתיבי השיטות המוצגים למעלה.

מזהי מודלים קשורים IDs

qwen/qwen3-30b-a3b-instruct-2507

FAQ · Qwen: Qwen3 30B A3B Instruct 2507
אילו קלטים ותוצאות זמינים?

POST /v1/chat/completions · qwen/qwen3-30b-a3b-instruct-2507: text → text

POST /v1/messages · qwen/qwen3-30b-a3b-instruct-2507: text → json, sse

באילו שדות הבקשה משתמשת?

POST /v1/chat/completions · qwen/qwen3-30b-a3b-instruct-2507: model, messages, stream, modalities, provider

POST /v1/messages · qwen/qwen3-30b-a3b-instruct-2507: model, messages, max_tokens, stream

אילו מגבלות חלות?

POST /v1/chat/completions · qwen/qwen3-30b-a3b-instruct-2507: messages.min_items: 1

פרטים נוספים

חברו Ailoot ל- Claude Code, OpenCode, Hermes או ליישום שלכם.

החברה ופורטפוליו הפרויקטים שלה

החברה ופורטפוליו הפרויקטים שלה: מיליוני לקוחות; מכירות בהיקף של מיליארדים מדי חודש.

קנו אסימונים בהנחה.

הנחת מנוי לעבודה קבועה. קודי הנחה עד 50% על רכישת אסימונים.

מנוי
בחרו מסלול עם הנחה לבקשות הקבועות שלכם.
קוד הנחה עד 50%
הזינו קוד ברכישה. המחיר יחושב מחדש לפי המבצע הפעיל.
הוצאות בהיסטוריה
המודל, האסימונים והסכום נשמרים לכל בקשה.

בחירת מנוי · מחירי מודלים

חברו API למוצר שאתם מוכרים.

SaaS, יישומים ובוטים לפי ההצעה והסכם הרישוי של Ailoot. למכירה מחדש בקשו רישיון משווק.

יישום מסחרי
שלבו יצירת טקסט, תמונות, וידאו ושמע בתכונות בתשלום של השירות שלכם.
רישיון למכירה מחדש
שלחו תיאור פרויקט ואופן מתן גישה. בקשו תנאי שימוש ומכירה מחדש בכתב.
מסמכים באתר
ההצעה, הסכם הרישוי ומדיניות עיבוד הנתונים זמינים לפני החיבור.

בקשת רישיון למכירה מחדש · ההצעה והסכם הרישוי